2020年是第五代移动通信系统(The 5th Generation,5G)全面部署的一年。与第四代移动通信系统(The 4th Generation,4G)相比,5G对系统性能的要求更高且更为全面。大规模多输入多输出(Massive Multiple Input Multiple Output,Massive MIMO)技术通过在基站端配置大量的天线,有效提升系统的频谱效率和能量效率,从而能够满足5G的高性能指标,成为5G的关键技术之一。合理的资源分配方案能够进一步发挥Massive MIMO的优势,提升系统的整体性能。但是由于Massive MIMO系统中天线数目巨大且接入用户数目急剧增加,Massive MIMO系统中的资源分配仍然面临巨大的挑战。本文将针对Massive MIMO系统中下行资源分配问题进行深入研究。本文首先介绍了 Massive MIMO技术与下行多用户资源分配技术的发展现状和研究意义。重点介绍了 Massive MIMO与下行资源分配中的关键技术,主要包括MIMO系统模型介绍、三维(Three Dimensions,3D)MIMO信道以及信道估计、预编码技术以及解优化问题的相关数学理论。详细介绍了多用户MIMO系统中四种常见的预编码技术,并对其进行了比较。然后,考虑到5G业务场景更具有多样性,本文基于5G三大应用场景中的高可靠低时延通信(Ultra Reliable Low Latency Communications,uRLLC)和增强移动宽带(Enhanced Mobile Broadband,eMBB)两大场景的业务共存的环境,提出了两种考虑不同业务类型用户数据包的特点的重叠用户分组算法。所提算法在保证uRLLC业务用户的速率和时延需求的前提下,通过增加eMBB业务用户所占用的资源来提高系统性能。仿真表明,与传统重叠用户分组算法相比,所提算法具有更高的吞吐量和更低的复杂度。由于5G注重的不仅仅是频谱效率的提升,能量效率也是5G网络的关键性能指标,本文对Massive MIMO系统中的能量效率优化资源分配问题进行了研究。本文提出了联合用户分组和功率分配的能量效率优化方案,在保证用户服务质量(Quality of Service,QoS)的同时,提升系统的能量效率。所提方案利用信道质量和相关性进行用户分组,然后利用基于拉格朗日对偶函数等凸优化理论的功率分配算法对确定的用户分组集合进行功率分配。仿真结果表明,所提方案不仅为下行Massive MIMO系统提供了显著的节能效果,而且保证了用户的 QoS。最后本文对所研究的内容进行了总结,对未来的研究方向提出了展望。